——输入法词库·中文分词·一种研究作家作品的方法
:事情不少,自己却没有状态去作,随便看了看网上昨天发的帖子,再在自己电脑上看到几个文件,不禁想起自己去年投入在五笔输入法词库制作中的一些事情,就在这里唠唠,并分享一个当时就想到却没有写出来交流的研究文学作品的方法——通过词频统计研究一个作家的写作习惯。
你知道王小波的名作《黄金时代》中用得最多的字和词是什么吗?我想这世界上还没有几个人能回答出这个问题,那好,我告诉你们吧,《黄金时代》中用得最多的单字是“我”字,用得最多的词是“清扬”这个人名。排名前三的字和词分别是:
我 947 清扬 177
“破鞋”一词名列第三,想不到吗?呵呵。
上面这个统计,是去年我在作词库过程中,考虑到词库收词的标准,想到中文分词这个技术问题时,产生的一个思想副产品:通过信息技术,对作家的作品进行词频统计,来分析研究不同作家、或一个作家在不同作品中的遣词造句的习惯。于是我查找办法,并拿《黄金时代》作了试验,得出来的结果。一些搞文学研究的人可能会对这个方法有兴趣。
在这里就随便聊聊五笔词库·中文分词和这个作品词频统计的方法吧。
极爽词库是我去年无意中开始,但对我来说却是第一个对较多人作了些贡献的创造性“作品”。自己这么长时间来尚一事无成,由“极爽词库”开始,算是起了个头。全国用五笔输入法的人据说过千万,在五笔词库这个领域,我还是有些自信,经过大半年的专心打造,极爽词库在众多的五笔输入法词库中,算得上领先的。虽然现在极爽词库象所紧密联系的极点五笔软件一样,还仅在一个较小的圈子里使用,但我想,现在也已经能让成千上万人从中受益了吧?我相信象极点五笔这样优秀的免费输入法,总有一天会普及开来的,对于极爽词库,自己虽然无心去再怎么发展它,但我想,一个最开心的梦想就是,要是有一天,在成千万的五笔用户中,能有上百万的用户使用它,那就太棒了!
关于制作词库的理念要点,之前我在《输入法词库之“窝子三大定律”》一文中有过详细论述,在此不赘。在这里就专门说一个与词库相关的话题:中文分词技术。这看来是一个很专门,少人涉及,然而应用却很广泛的技术难题,因为,任何中文键盘输入都涉及到在输入过程中如何断词才是最高效率的输入问题;另外,任何中文搜索引擎要帮助用户精确地找到它想找的内容,其中都少不了面对这个问题:如何在海量的文字流中分辨语义,给用户提供真正有价值的信息(英文不存在这个问题。另,前些日子发现六翼也在作这方面的研究)。另外考虑这个问题,还因为,在制作词库的时候,你要决定这个词库的容量有多大。太小了,很多词组都漏掉;太大了,会产生很多的垃圾,并导致重码增多和软件运行放慢。所以这里要有个明确的标准取舍。我后来想出了一条“单纯词原则”(参见“窝子三大定律”一文),就是解决这些输入法上的问题。
很自然地,在这个考虑中文分词的过程中,加上在五笔爱好者论坛上的一些讨论,我产生了利用这个中文分词技术来研究自己感兴趣的作家作品的新想法。在传统基于纸质书本上的文学研究,恐怕不可能深入到这样的技术操作层面上,但借助于电脑及中文分词研究技术就可以为这些研究提供一个新的视角。我想这个中文分词技术应该是涉及到两个方面:一方面很重要的是要有一个非常优秀的词库。当然这个词库与输入法词库有些区别,输入法词库要考虑到重码等输入因素,而导致放弃部分词语,而这个分词词库应该尽量全,然而我认为同样有必要贯彻我提出的“单纯词原则”,否则就没有意义。第二个方面,自然是基于这个词库、和对象文本环境,进行合理的文字分割算法。
在上面六翼的中文分词测试中,就发现在这两方面都还存在不少问题:
词库问题的例子:“金庸”“分词”这些词都没有,分词的时候分成了两个字;算法问题的例子:研究生#命#起源。企业#信息#和服#务。这都是在程序算法上不能分辨上下文的缺陷。
解决词库问题自然是按照单纯词原则,形成吸纳尽量全面的单纯词词库。而算法问题,我不懂电脑技术,但从逻辑上说,很多错误,我个人觉得解决办法并不难。如
下面有歧义的例子:
……ABCDE……
在这样一个字符串中,当BC、CD都是词库中现在的词组时,如何在分词时正确地划分?我觉得这里关键是要进行上下文的判断,在这里也就是增加一个判断:AB和DE分别是不是词组?假如AB不是词组,而DE是的话,则这里基本上可以说,这里的分词应该是这样:A#BC#DE,而不是AB#CD#E。
这些当然不会是算法的全部,但有这类的算法,肯定可以大幅度解决分词歧义,降低分词出错率。
去年我在尝试玩这个的时候,在网上寻找这样的分词工具,结果只找到了一个能使用的,这就是ICTCLAS 汉语词法分析系统。这个软件是中科院计算所开发的自由软件,但是网上能找到的还是几年前的1.0版本,不知道是不是后来停止开发了?
这个软件可在如下地址下载:
ICTCLAS这款软件,感觉分词的算法还不错,准确率挺好,不过在词库上还有些问题,遗憾的是不能另外指定划分的标准词库。其实,我觉得对分词工具来说,最好是能自定义词库,以及添加自定义词语,如在某篇作品中的人名地名等,这样才能更好地发挥作用。
回到正题上来,如何利用中文分词来统计词频,来研究作品的词语使用特点?在这里简单介绍一种方法。(会者不难,在这里说的也只是给不熟悉的读者了解一下。以下Excel操作方法部分得益于五笔爱好者论坛上ahman老师的技巧介绍)
首先是用工具分词。这点有了上面的ICTCLAS之类的专门分词工具之后很简单,在软件中运行指定文件就出来结果了。这是第一步。接下来的步骤是对这个分词结果进行技术处理为词频表:
1、在文本编辑器中,将分词结果中的分隔符号(一般可能是空格或者#号之类的)全部替换为回车键,使分词结果中的每个词语或单字每条一行。(可以用Textpro软件替换)
2、将其复制到Excel表格A列中,然后整列排序。
3、在B1单元格中填入 1 ,在B2单元格中填入公式“ =IF(A2=A1,B1+1,1) ”,得出数值后将该公式复制到整个B列下面部分。
4、在C1单元格中填入公式“ =IF(B1<B2,0,B1) ”,得出数值后将该公式复制到整个C列中。
5、选中整个C列部分,复制,然后“选择性粘贴”数值,得到不受公式影响的结果数值。
6、将全部数据按C列重新排序,然后将C列单元格中数值为0的行数全部删除,最后等到的就是你要研究的作品的词频统计结果了。
结果如何,这样是不是可以随意了解你研究对象的遣词习惯了?当然,你也完全可以用这个办法来研究你自己的写作习惯。另外这个方法也不限于某个作品,我想,这完全可以将一个作家的全部作品集的写作遣词习惯都统计研究出来。
附:《黄金时代》字词频表请点击下面链接看全文
4 1
LADY 1
X 1
XXX 1
啊 1
矮 1
安 1
安定 1
安慰 1
安息 1
岸上 1
按捺不住 1
案情 1
暗示 1
凹里 1
澳大利亚 1
懊 1
巴西 1
芭蕾舞 1
疤痕 1
粑粑 1
拔 1
拔腿 1
拔秧 1
把门 1
把头 1
坝上 1
罢手 1
白费 1
白干 1
白茫茫 1
白眼 1
百发百中 1
百分之百 1
败 1
斑斑 1
板块 1
办公桌 1
半辈子 1
半路 1
半死 1
扮演 1
包庇 1
包装 1
宝 1
保持 1
报 1
报到 1
报告 1
抱歉 1
抱怨 1
暴怒 1
爆 1
卑鄙 1
悲 1
悲惨 1
北 1
北方 1
备用 1
背靠背 1
背叛 1
背影 1
背着 1
倍 1
本来 1
本性 1
笨 1
笨蛋 1
泵房 1
迸 1
逼 1
鼻 1
匕首 1
比方 1
比较 1
比如 1
笔直 1
毕业 1
边 1
边防线 1
边疆 1
边境 1
边上 1
编 1
便 1
便利 1
变得 1
辩解 1
表情 1
表现 1
憋 1
冰 1
冰场 1
兵团 1
并非 1
剥剥 1
剥落 1
薄薄 1
不够 1
不够意思 1
不顾 1
不管怎样 1
不光 1
不好过 1
不好意思 1
不合 1
不堪 1
不快 1
不利 1
不能不 1
不配 1
不通 1
不无 1
不像话 1
不休 1
不许 1
不要紧 1
不一会儿 1
不怎么 1
不只 1
不住 1
布料 1
擦 1
彩 1
灿烂 1
苍蝇 1
操 1
草莽英雄 1
草皮 1
草屋 1
厕所 1
查 1
茶色 1
岔 1
岔里 1
差旅费 1
柴草 1
阐明 1
长发 1
尝 1
厂 1
场面 1
敞开 1
吵 1
车上 1
撤销 1
沉甸甸 1
衬衫 1
称 1
称做 1
趁 1
成年 1
承 1
城里 1
乘兴 1
乘着 1
吃力 1
迟迟 1
持续 1
尺寸 1
齿 1
充军 1
冲 1
冲动 1
丑态百出 1
出差 1
出公差 1
出路 1
出苗 1
出世 1
出院 1
初 1
初次 1
处女 1
处女膜 1
穿戴 1
传出 1
传教士 1
传统 1
传闻 1
喘 1
串 1
窗户 1
窗口 1
窗外 1
窗子 1
炊具 1
春耕 1
纯粹 1
蠢 1
雌 1
此时 1
次要 1
刺激 1
从不 1
从此 1
从来不 1
从没 1
从始至终 1
从小 1
从中 1
匆匆 1
匆匆忙忙 1
凑 1
粗 1
窜 1
脆 1
错过 1
达官贵人 1
打火 1
打搅 1
打开 1
打群架 1
打头 1
打下 1
大白牛 1
大潮 1
大多数 1
大姑娘 1
大好 1
大号 1
大惑不解 1
大街 1
大理石 1
大量 1
大名 1
大扫除 1
大事 1
大树 1
大腿 1
大雾 1
大小 1
大雅 1
大雅之堂 1
带来 1
带有 1
待遇 1
单 1
胆 1
弹 1
淡淡 1
蛋 1
当地人 1
当即 1
当着 1
裆 1
党 1
刀把 1
倒是 1
倒退 1
到来 1
道儿 1
道歉 1
稻 1
的确 1
灯 1
蹬 1
等宽 1
凳 1
瞪 1
低头 1
低洼 1
低下 1
敌对 1
敌我矛盾 1
抵触 1
抵赖 1
抵命 1
地道 1
地点 1
地面 1
地心 1
帝制 1
递 1
递给 1
递进 1
第四十 1
颠 1
电灯 1
电话 1
电线杆 1
玷污 1
叼 1
调戏 1
叠 1
碟碟 1
叮 1
丢 1
东西南北 1
冬日 1
动手动脚 1
动员 1
冻 1
洞 1
斗斗 1
斗笠 1
陡 1
陡坡 1
毒蛇 1
肚皮 1
度过 1
镀层 1
端坐 1
断绝 1
对付 1
兑现 1
墩 1
墩子 1
蹲点 1
顿 1
多半 1
多久 1
夺 1
堕 1
恶棍 1
儿子 1
而已 1
耳朵 1
二来 1
二郎腿 1
二三 1
二十六 1
发出 1
发光 1
发红 1
发卡 1
发愣 1
发怒 1
发傻 1
发痒 1
法 1
法律 1
番薯 1
烦 1
烦恼 1
反对 1
反革命 1
犯不着 1
犯人 1
犯罪 1
泛滥 1
泛起 1
饭馆 1
芳草 1
防止 1
房顶 1
房门 1
放火 1
放屁 1
放弃 1
放任自流 1
放散 1
放声 1
放松 1
放下 1
放心 1
飞舞 1
妃子 1
非法 1
肥沃 1
废水 1
费解 1
费力 1
分别 1
分明 1
分清 1
分外 1
分子 1
纷纷 1
粉红色 1
粉刷 1
粪坑 1
丰富 1
丰满 1
风声 1
封闭 1
凤 1
奉献 1
夫妇 1
伏案 1
服务员 1
浮 1
抚 1
俯身 1
腐败 1
妇人 1
复辟 1
复写纸 1
复员 1
概括 1
干干净净 1
干裂 1
甘油 1
赶集 1
感动 1
感冒 1
感情 1
感召 1
刚才 1
刚好 1
高度 1
高岗 1
高呼 1
高耸 1
睾 1
稿 1
告别 1
告辞 1
哥们儿 1
鸽 1
鸽子 1
格 1
格格 1
格格不入 1
蛤 1
隔 1
个别 1
个子 1
各队 1
各个 1
根深蒂固 1
跟踪 1
耿耿于怀 1
工人 1
公 1
公布 1
公关 1
公家 1
公里 1
公牛 1
公平 1
公司 1
巩固 1
共有 1
勾结 1
勾针 1
沟谷 1
狗屁 1
狗时 1
够 1
孤零零 1
箍 1
鼓 1
故事 1
故意 1
顾 1
瓜籽 1
乖 1
关节 1
关于 1
关子 1
观 1
观察 1
贯注 1
光彩 1
光滑 1
光来 1
光秃秃 1
归 1
规定 1
规矩 1
贵 1
棍 1
锅底 1
国境 1
过程 1
过度 1
过路 1
过人 1
过手 1
哈哈大笑 1
海里 1
寒鸦 1
汉来 1
汗 1
薅 1
毫不 1
豪杰 1
好汉 1
好好 1
好奇心 1
好事 1
好似 1
耗 1
耗子 1
喝问 1
合并 1
合伙 1
合作 1
何处 1
何等 1
和解 1
河岔里 1
河里 1
黑暗 1
黑洞洞 1
狠命 1
横 1
红色 1
红通通 1
红彤彤 1
红肿 1
洪水 1
喉咙 1
后进 1
后台 1
后天 1
后者 1
乎 1
呼吸 1
胡说八道 1
壶 1
葫芦 1
唬人 1
花开 1
哗哗 1
滑动 1
滑溜 1
化 1
化身 1
画 1
话说 1
话题 1
坏分子 1
欢迎 1
缓慢 1
换换 1
荒 1
荒草 1
荒僻 1
黄 1
黄表纸 1
晃 1
晃动 1
灰 1
灰蒙蒙 1
灰土 1
挥 1
回城 1
回溯 1
会长 1
会儿 1
会上 1
魂不守舍 1
活活 1
活计 1
火把 1
火柴 1
火车 1
火气 1
或是 1
货 1
货架 1
机关枪 1
机器 1
机务 1
积习 1
激昂 1
及时雨 1
即可 1
极大 1
极了 1
极其 1
极限 1
急促 1
籍 1
计划 1
记忆 1
技术 1
际 1
既然如此 1
寂寂 1
寄 1
加快 1
加入 1
夹 1
家常便饭 1
家具 1
家母 1
家确 1
驾 1
驾驶 1
假定 1
假装 1
尖叫 1
坚挺 1
艰难 1
监视 1
拣 1
减小 1
检查 1
简单 1
简述 1
见面 1
见识 1
建设 1
健康 1
渐渐 1
鉴定 1
江湖 1
讲话 1
犟 1
交界 1
交流 1
交朋友 1
交谈 1
交友 1
胶东 1
角 1
矫 1
脚脖子 1
脚步 1
叫唤 1
叫做 1
教 1
教会 1
教唆 1
教员 1
接管 1
接见 1
结婚证 1
结实 1
她们 1
姐 1
姐夫 1
解放 1
解脱 1
戒 1
借机 1
今晚 1
紧身衣 1
紧缩 1
尽 1
尽管如此 1
尽力 1
近 1
近路 1
进深 1
京郊 1
经典 1
经历 1
惊动 1
惊慌 1
惊慌失措 1
惊叫 1
惊恐 1
晶莹 1
睛 1
精光 1
精神 1
精细 1
精壮 1
井坎镇 1
井台 1
景颇族 1
竟敢 1
敬业 1
境界 1
静静地 1
镜片 1
揪揪 1
九点 1
九十 1
久久 1
酒 1
旧情 1
臼 1
就地 1
就是说 1
舅子 1
居然 1
沮丧 1
举出 1
举行 1
巨大 1
巨响 1
聚 1
绝 1
绝不 1
嚼 1
军垦 1
军务 1
军衣 1
军装 1
卡宾枪 1
开导 1
开水 1
开膛 1
开走 1
勘查 1
砍刀 1
看成 1
看出 1
看法 1
看管 1
看样子 1
考虑 1
科 1
科长 1
可恶 1
可见 1
可能性 1
可言 1
可曾 1
渴望 1
克勤克俭 1
吭声 1
空前 1
恐慌 1
口号 1
口角 1
口子 1
苦 1
苦头 1
库房 1
裤裆 1
宽 1
宽大 1
亏 1
困惑 1
困难 1
腊肉 1
来不及 1
来往 1
籁 1
拦腰 1
懒得 1
懒洋洋 1
劳 1
劳保 1
劳动 1
唠叨 1
老陈 1
老爹 1
老干部 1
老师 1
老太太 1
老乡 1
老兄 1
老远 1
勒都 1
雷 1
累赘 1
冷淡 1
冷风 1
愣 1
梨 1
离婚 1
离离 1
礼拜 1
礼品 1
哩 1
理会 1
历史 1
立 1
立刻 1
利害 1
例外 1
连夜 1
脸色 1
练 1
粮库 1
粱 1
两手 1
亮晶晶 1
辆 1
疗养 1
烈 1
林 1
临时 1
拎 1
灵魂 1
铃 1
铃声 1
令郎 1
溜 1
流过 1
流浪汉 1
流水 1
流行 1
留 1
留下 1
六 1
龙 1
龙潭湖 1
搂 1
漏掉 1
露营 1
卤 1
驴 1
铝 1
铝锅 1
缕 1
缕缕 1
绿 1
绿色 1
伦 1
论 1
论证 1
裸 1
裸体 1
落花 1
妈妈 1
马 1
嘛 1
埋葬 1
瞒 1
满脸 1
满嘴 1
漫 1
蔓延 1
芒刺在背 1
茫茫 1
毛孔 1
毛手毛脚 1
矛盾 1
冒 1
没法 1
没收 1
没完 1
美丽 1
美梦 1
魅力 1
闷闷 1
猛 1
梦幻 1
迷 1
迷梦 1
米 1
棉袄 1
棉绳 1
棉衣 1
缅甸 1
面子 1
秒钟 1
藐视 1
庙会 1
灭 1
民兵 1
名声 1
名义 1
名字 1
明白人 1
明火 1
明亮 1
明了 1
命 1
命令 1
摹 1
磨擦 1
磨盘 1
沫 1
莫名其妙 1
默认 1
哞 1
木 1
木板床 1
木料 1
木炭 1
木制 1
目光 1
拿走 1
哪个 1
内疚 1
内心 1
那边 1
那儿 1
那会儿 1
那水 1
那条河 1
那位 1
奶 1
男 1
男性 1
南 1
南方 1
难办 1
难当 1
难得 1
难怪 1
难看 1
难忘 1
难以 1
难以忍受 1
难以置信 1
恼火 1
闹 1
呢子 1
能干 1
能够 1
能力 1
泥坑 1
泥泞 1
你好 1
年代 1
年前 1
年头 1
碾 1
鸟 1
孽 1
您 1
牛角 1
牛角尖 1
扭扭捏捏 1
女孩 1
女孩子 1
女人家 1
疟疾 1
暖气 1
诺言 1
殴打 1
啪 1
耙 1
派 1
攀 1
攀登 1
庞然大物 1
旁边 1
抛 1
泡 1
呸 1
陪 1
培养 1
佩服 1
喷 1
盆 1
怦然心动 1
棚子 1
碰 1
批 1
披散 1
披头散发 1
劈手 1
劈头 1
皮带 1
皮筋 1
匹 1
骗局 1
漂 1
飘 1
飘散 1
瓢 1
拼 1
贫下中农 1
品头论足 1
平坝里 1
平常 1
平山 1
平摊 1
平躺 1
平原 1
凭 1
苹果 1
瓶 1
泼 1
破坏 1
破裂 1
扑 1
扑腾 1
七 1
七嘴八舌 1
妻妾 1
期间 1
其 1
奇妙 1
脐 1
乞 1
企图 1
岂 1
启发 1
起泡 1
起头 1
气愤 1
气派 1
弃暗投明 1
汽车 1
掐 1
千 1
千刀万剐 1
千万 1
前不久 1
前妻 1
前者 1
钳工 1
浅浅 1
欠 1
腔 1
强迫 1
强硬 1
墙上 1
抢走 1
跷 1
敲 1
俏丽 1
亲 1
亲热 1
亲吻 1
钦佩 1
擒 1
沁 1
青红皂白 1
青年 1
轻轻 1
轻柔 1
轻松 1
倾盆大雨 1
倾向 1
清楚 1
清平集 1
清晰可见 1
情不自禁 1
情景 1
情绪 1
请假 1
穷光蛋 1
秋收 1
蚯蚓 1
球 1
曲线 1
全部 1
全都 1
全世界 1
权力 1
拳头 1
劝 1
缺少 1
却说 1
确 1
绕 1
热度 1
热气 1
热情 1
热水 1
人工授精 1
人迹 1
人类 1
人力 1
人们 1
人人 1
人世 1
人数 1
人像 1
忍不住 1
忍耐 1
忍忍 1
刃 1
认出 1
任凭 1
仍 1
仍然 1
日 1
容 1
溶化 1
柔软 1
肉 1
如春 1
如前所述 1
如愿 1
入睡 1
若有所思 1
弱 1
撒尿 1
腮 1
散 1
散会 1
桑 1
嗓子 1
搡 1
丧失 1
骚 1
色 1
色鬼 1
森林 1
杀 1
杀人 1
沙发 1
砂 1
傻头傻脑 1
啥 1
晒太阳 1
山包 1
山岗 1
山沟 1
山涧 1
山坡 1
山丘 1
山势 1
山洼 1
山洼里 1
山野 1
删 1
删去 1
闪闪 1
闪烁其词 1
扇 1
善良 1
伤痕 1
伤情 1
上级 1
上街 1
上铺 1
上身 1
烧伤 1
勺 1
哨 1
舍不得 1
涉水 1
身材 1
身高 1
身后 1
呻吟 1
深处 1
深入 1
深深 1
深受 1
神经质 1
神往 1
审讯 1
甚 1
升起 1
生生 1
生性 1
生殖 1
生殖器 1
声音 1
绳来 1
失去 1
师 1
师傅 1
施 1
十 1
十恶不赦 1
十六 1
十一 1
时刻 1
实际 1
实际上 1
实践 1
实用 1
使劲 1
使用 1
屎 1
市民 1
示 1
示意图 1
事儿 1
事业 1
势力 1
试管 1
饰 1
恃 1
嗜好 1
收紧 1
手段 1
手巧 1
手提包 1
手心 1
手掌 1
守身如玉 1
守信 1
首先 1
受受 1
受用 1
书 1
梳 1
疏 1
蔬菜 1
熟地 1
熟透 1
树林 1
树上 1
树叶 1
树枝 1
数落 1
刷牙 1
摔跤 1
双人 1
爽身粉 1
谁知 1
水边 1
水滴 1
水果 1
水葫芦 1
水浒 1
水平 1
水塘 1
水珠 1
顺利 1
顺手 1
顺着 1
说不上 1
说法 1
说说 1
硕 1
私交 1
私情 1
四面八方 1
松 1
松驰 1
松开 1
送给 1
苏格拉底 1
俗话说 1
塑料 1
塑料布 1
随 1
随时随地 1
损失 1
笋壳 1
所得 1
索性 1
锁 1
他俩 1
他妈的 1
塌 1
蹋 1
台钳 1
台上 1
抬头 1
太阳 1
太阳穴 1
泰然处之 1
贪污犯 1
摊 1
瘫软 1
坛坛罐罐 1
谈话 1
谈起 1
袒露 1
探头探脑 1
汤 1
糖厂 1
糖馅 1
趟 1
逃避 1
逃亡 1
逃走 1
套筒 1
特长 1
特大 1
特地 1
踢 1
提拔 1
提出 1
提到 1
提防 1
提起 1
提醒 1
题 1
体验 1
替 1
天崩地裂 1
天边 1
天空 1
天蓝 1
天亮 1
天然 1
天生 1
天阉 1
天知道 1
田里 1
田野 1
恬不知耻 1
挑衅 1
跳出 1
贴 1
铁 1
铁证 1
停停 1
挺直 1
通缉 1
同等 1
童男 1
痛哭 1
痛苦 1
痛骂 1
痛痒 1
偷鸡摸狗 1
偷懒 1
偷情 1
偷越 1
头儿 1
透过 1
透明 1
凸起 1
途径 1
土地 1
土匪 1
土路 1
土坡 1
土司 1
吐 1
退 1
退出 1
退回 1
退却 1
拖车 1
拖鞋 1
脱光 1
脱臼 1
酡 1
哇哇 1
外调 1
完成 1
完整性 1
玩艺 1
玩意 1
挽救 1
婉 1
万元户 1
往常 1
往后 1
危险 1
威胁 1
为何 1
违背 1
尾骨 1
卫生员 1
未 1
未免 1
未知 1
喂奶 1
温饱 1
文革 1
文艺 1
窝棚 1
我家 1
我来 1
乌黑 1
屋子 1
无从 1
无端 1
无妨 1
无非 1
无怪 1
无力 1
无论是 1
无声 1
无声无息 1
无所谓 1
无所作为 1
无限 1
无疑 1
无知 1
无罪 1
毋庸置疑 1
五 1
五点 1
五十 1
午夜 1
武装 1
侮 1
物 1
悟 1
雾气 1
吸 1
希罕 1
稀烂 1
皙 1
蜥蜴 1
习惯 1
戏 1
细碎 1
细细的 1
下巴 1
下唇 1
下回 1
下降 1
下身 1
下手 1
下台 1
下体 1
吓人 1
先是 1
纤细 1
鲜红色 1
涎 1
衔 1
显得 1
线 1
馅 1
羡慕 1
相 1
相貌 1
相同 1
香肠 1
香喷喷 1
祥 1
响 1
响声 1
想见 1
想想 1
向阳 1
像样 1
橡胶 1
橡皮膏 1
消散 1
硝酸 1
小姑娘 1
小河 1
小伙子 1
小路 1
小鸟 1
小巧 1
小山 1
小鞋 1
小雨 1
小子 1
效力 1
斜面 1
鞋 1
写道 1
泄 1
谢 1
心花怒放 1
心慌 1
心平气和 1
心硬 1
辛辣 1
欣赏 1
新鲜 1
兴奋 1
兴趣 1
兴头 1
星期天 1
星星 1
星星点点 1
刑具 1
行 1
行将 1
行路 1
行色匆匆 1
形式 1
幸亏 1
胸 1
胸部 1
胸口 1
胸前 1
雄 1
雄浑 1
休想 1
修长 1
修身养性 1
羞 1
羞辱 1
须 1
需 1
许可 1
许诺 1
绪 1
宣布 1
宣传 1
学会 1
学生 1
雪里红 1
血管 1
血迹 1
熏 1
压抑 1
牙关 1
牙刷 1
亚热带 1
咽 1
烟丝 1
淹死 1
腌 1
严加 1
言犹在耳 1
炎热 1
盐 1
蜒 1
颜 1
颜色 1
眼角 1
眼镜 1
眼镜蛇 1
眼皮 1
眼窝 1
眼珠 1
厌倦 1
验证 1
秧秧 1
扬来 1
杨 1
仰 1
养病 1
样 1
腰部 1
摇 1
摇晃 1
药 1
要不是 1
要紧 1
要命 1
耀眼 1
也罢 1
野鸭 1
野猪 1
夜晚 1
一把把 1
一般 1
一本正经 1
一部分 1
一次性 1
一动 1
一晃 1
一件件 1
一句话 1
一路 1
一模一样 1
一齐 1
一声不响 1
一时 1
一手 1
一丝不苟 1
一万 1
一无所有 1
一向 1
一月 1
一再 1
一整天 1
衣 1
衣裳 1
依 1
依旧 1
依然 1
移 1
遗忘 1
疑 1
以便 1
以上 1
以往 1
因而 1
阴 1
阴阳 1
阴影 1
淫秽 1
淫乱 1
银灰色 1
银钱 1
隐身 1
应 1
英 1
蝇 1
涌 1
用来 1
用力 1
用品 1
优美 1
由此 1
油 1
游 1
游动 1
有的 1
有关 1
有力 1
有所 1
黝黑 1
黝黝 1
幼小 1
予 1
愉快 1
与此同时 1
雨水 1
浴衣 1
预感 1
预见 1
遇到 1
遇见 1
元 1
原 1
原话 1
原委 1
圆滚滚 1
院长 1
院里 1
院子 1
约 1
钥匙 1
跃 1
越来越 1
越是 1
云彩 1
云母片 1
运动 1
韵味 1
杂 1
栽赃 1
崽子 1
再不 1
再见 1
再说 1
在内 1
赞美 1
早出晚归 1
燥热 1
躁 1
啧啧 1
怎么办 1
摘 1
寨子 1
寨子里 1
粘 1
张牙舞爪 1
彰 1
掌 1
掌握 1
掌心 1
杖 1
照着 1
遮住 1
折 1
折磨 1
这边 1
针 1
诊断 1
振 1
震颤 1
震动 1
争风吃醋 1
整 1
整齐 1
整容 1
整天 1
整整齐齐 1
正本 1
正逢 1
正巧 1
正是 1
正庄 1
政治 1
之外 1
之下 1
之一 1
之中 1
支持 1
支援 1
执 1
值得 1
职员 1
只不过 1
只用 1
纸 1
纸头 1
指出 1
指向 1
至 1
志大 1
制 1
制服 1
制止 1
质 1
质量 1
中弹 1
中国 1
中午 1
肿 1
种地 1
众 1
重大 1
重要 1
咒语 1
昼 1
骤然 1
竹笋 1
竹筒 1
主动 1
主题 1
拄 1
助 1
筑 1
抓住 1
拽 1
专业 1
砖窑 1
装聋作哑 1
装束 1
捉摸 1
捉摸不定 1
桌 1
桌上 1
着迷 1
着眼 1
琢磨 1
仔细 1
姿仪 1
字 1
自持 1
自从 1
自豪 1
自然 1
自私 1
自信心 1
综 1
棕色 1
总得 1
总共 1
总结 1
总算 1
纵 1
粽子 1
走动 1
走近 1
走私 1
走资派 1
走走 1
揍 1
足够 1
族 1
阻断 1
组合 1
组织 1
嘴巴 1
最好 1
最近 1
罪孽深重 1
左边 1
作法 1
作风 1
座 1
座谈会 1
做出 1
做到 1
… 2
爱上 2
按 2
案发 2
暗 2
八 2
巴掌 2
芭蕉 2
爸爸 2
白沫 2
白天 2
白云 2
拜 2
板 2
板凳 2
扮 2
帮助 2
绑 2
膀子 2
包子 2
饱 2
背篓 2
本地 2
本该 2
本人 2
本质 2
必须 2
毕 2
臂 2
边防 2
变成 2
遍 2
表示 2
表演 2
婊子 2
并且 2
病人 2
玻璃 2
勃 2
薄 2
薄薄的 2
不错 2
不得 2
不妨 2
不及 2
不禁 2
不可 2
不容 2
不行 2
不用 2
不准 2
布 2
步 2
部 2
猜 2
才能 2
参谋长 2
惨白 2
插 2
插秧 2
岔路 2
差点 2
差一点 2
柴 2
产生 2
长成 2
场 2
抄 2
车 2
车站 2
尘土 2
沉 2
沉默 2
称作 2
吃亏 2
持枪 2
赤 2
赤红 2
赤条条 2
充满 2
抽出 2
抽烟 2
丑 2
臭 2
出现 2
除非 2
处 2
处处 2
传来 2
窗台 2
垂 2
春天 2
打倒 2
打架 2
大批 2
大为 2
大学 2
大衣 2
待 2
担 2
当场 2
当成 2
刀刃 2
刀子 2
到底 2
到手 2
灯光 2
登 2
等待 2
等于 2
低垂 2
地下 2
垫 2
调查 2
喋喋不休 2
盯 2
定居 2
懂 2
动手 2
肚脐 2
肚子 2
端正 2
堆 2
队医 2
敦敦 2
敦伦 2
多年 2
饿 2
发动 2
发泄 2
饭 2
方 2
方便 2
方向 2
房间 2
飞机 2
肥 2
分 2
分手 2
分钟 2
份 2
疯 2
逢 2
缝 2
伏 2
妇女 2
附 2
附近 2
副本 2
改变 2
干部 2
干净 2
甘心 2
肝炎 2
赶紧 2
感 2
胳膊 2
钩 2
孤独 2
刮 2
寡妇 2
关 2
关心 2
滚 2
国营 2
裹 2
害怕 2
毫无 2
好吃 2
好色 2
好消息 2
浩浩荡荡 2
喝 2
合适 2
何况 2
河 2
河岸 2
盒 2
痕迹 2
很快 2
狠狠 2
哼 2
吼 2
后来人 2
后腰 2
糊涂 2
户 2
戽 2
滑 2
化装 2
坏人 2
荒凉 2
蝗 2
会场 2
浑 2
浑圆 2
机会 2
肌肉 2
激动 2
即 2
极为 2
急匆匆 2
记 2
既 2
加 2
奸 2
肩 2
监狱 2
检讨 2
建议 2
交还 2
焦黄 2
脚心 2
叫声 2
叫作 2
接受 2
接着 2
揭发 2
街上 2
节目 2
结 2
解开 2
今后 2
斤 2
紧紧 2
进发 2
进入 2
进屋 2
京 2
惊 2
景颇 2
径直 2
境外 2
静 2
就坐 2
具 2
具体 2
俱 2
据 2
军队 2
军民共建 2
糠 2
颗 2
可不 2
可信 2
客气 2
空落落 2
恐怕 2
扣子 2
窟窿 2
跨 2
快感 2
快乐 2
狂 2
懒 2
懒懒 2
烂泥 2
捞 2
牢 2
老郭 2
老实 2
乐于 2
冷水 2
犁田 2
力气 2
立即 2
粒 2
脸红 2
两边 2
晾 2
了解 2
咧 2
灵活 2
领口 2
领子 2
留下来 2
露 2
露水 2
路口 2
鹭鸶 2
吕 2
绿豆 2
乱蓬蓬 2
抡 2
轮 2
逻辑 2
麻 2
麻烦 2
麻绳 2
马帮 2
蚂 2
蚂蚁 2
慢慢 2
毛 2
没关系 2
没事 2
没意思 2
美 2
门前 2
猛烈 2
梦境 2
免 2
面红耳赤 2
面色 2
敏感 2
名 2
明 2
抹 2
陌生 2
某人 2
目 2
哪里 2
乃是 2
男子 2
南边 2
南面 2
脑袋 2
呐喊 2
泥巴 2
年纪 2
捏 2
拧 2
牛车 2
牛粪 2
牛皮 2
农忙 2
暖 2
叛变 2
盼 2
炮 2
批斗 2
批判 2
披 2
皮 2
皮肤 2
皮靴 2
脾气 2
片山 2
骗 2
平时 2
评价 2
坡 2
颇 2
婆娘 2
铺 2
奇怪 2
骑 2
起初 2
起码 2
起因 2
前来 2
浅 2
枪毙 2
枪法 2
巧 2
翘翘 2
切 2
青 2
倾心 2
情形 2
取 2
去去 2
全身 2
群 2
惹 2
热 2
人民 2
人事 2
忍 2
扔下 2
如今 2
如下 2
乳罩 2
软 2
撒 2
山下 2
闪 2
骟 2
商店 2
上来 2
烧 2
烧火 2
射击 2
伸 2
伸手 2
深 2
生产队 2
盛 2
剩 2
剩下 2
失望 2
什 2
时分 2
实在 2
食品 2
世上 2
世世代代 2
事实上 2
试 2
是否 2
收 2
手表 2
手上 2
手术 2
手腕 2
手指 2
售货员 2
书包 2
熟练 2
术 2
束 2
耍流氓 2
摔 2
双臂 2
水碾 2
私仇 2
死去 2
死心 2
四川 2
四十 2
四野 2
似乎 2
算是 2
碎 2
他家 2
贪 2
毯子 2
烫 2
特 2
藤 2
体会 2
天明 2
挑 2
听到 2
同时 2
同一 2
同意 2
童 2
统 2
筒子 2
痛 2
头顶 2
投敌 2
透 2
土坯 2
团里 2
推 2
推开 2
褪 2
弯 2
晚 2
碗 2
万 2
万分 2
微微 2
维多利亚 2
委屈 2
未必 2
文 2
文明 2
文学 2
纹 2
卧 2
乌青 2
无法 2
五花大绑 2
五马分尸 2
舞 2
系 2
细 2
下令 2
吓 2
显然 2
想法 2
向上 2
消失 2
小时 2
小说 2
笑笑 2
新 2
兴 2
行径 2
行为 2
休息 2
袖子 2
选择 2
学问 2
学校 2
牙膏 2
沿着 2
眼前 2
演 2
阳 2
也好 2
叶子 2
一半 2
一番 2
一生 2
一塌糊涂 2
一体 2
一头 2
衣襟 2
医 2
医生 2
已 2
以及 2
倚 2
义务 2
异常 2
阴历 2
阴囊 2
引诱 2
影响 2
拥 2
用不着 2
尤其 2
有些 2
右手 2
右眼 2
娱乐性 2
雨季 2
雨里 2
雨靴 2
欲 2
原本 2
远处 2
院 2
月经 2
越 2
再也 2
在场 2
在于 2
澡 2
造 2
则 2
怎么样 2
寨 2
站住 2
丈夫 2
账 2
招 2
照办 2
照顾 2
这儿 2
这时候 2
针头 2
真是 2
真正 2
阵阵 2
镇上 2
争 2
挣扎 2
睁 2
整理 2
整人 2
正如 2
之所以 2
枝节 2
知 2
值 2
只见 2
只要 2
中等 2
终身 2
重 2
重写 2
皱纹 2
猪食 2
竹 2
逐渐 2
主要 2
主意 2
属于 2
煮 2
注意 2
专政 2
砖 2
转 2
壮 2
状 2
着急 2
资格 2
子弹 2
自 2
棕 2
纵横 2
走开 2
走路 2
足 2
左手 2
作 2
作家 2
3 3
—— 3
挨 3
把手 3
爸 3
白色 3
搬 3
办 3
半截 3
傍晚 3
包 3
背后 3
奔 3
本身 3
鼻子 3
闭 3
表 3
剥 3
采取 3
惭愧 3
层 3
插队 3
吵架 3
彻底 3
成立 3
出门 3
触 3
此后 3
此事 3
摧残 3
存 3
错 3
答应 3
打扮 3
打瞌睡 3
大哥 3
袋 3
当初 3
当众 3
档案 3
捣 3
登时 3
敌人 3
底下 3
地头 3
惦记 3
定 3
对面 3
多么 3
耳边 3
反应 3
放到 3
飞 3
飞快 3
非 3
副 3
改 3
改造 3
干活 3
高兴 3
哥 3
割 3
工作 3
公路 3
沟 3
股 3
怪 3
锅 3
国外 3
果 3
汉子 3
合 3
红 3
红土 3
红晕 3
后山 3
花纹 3
荒山 3
回头 3
婚 3
活动 3
或者 3
寂寞 3
加上 3
家里 3
架 3
肩上 3
剑麻 3
将 3
交情 3
结论 3
姐姐 3
解释 3
金 3
进去 3
禁不住 3
精 3
精液 3
井 3
景 3
九 3
旧 3
就算 3
句 3
决心 3
开荒 3
开会 3
开头 3
棵 3
刻 3
肯定 3
吭 3
空气 3
口气 3
扣 3
勒农 3
离 3
理解 3
厉害 3
凉 3
撩 3
裂 3
领 3
漏 3
露出 3
路上 3
妈 3
卖 3
满意 3
忙 3
每次 3
门槛 3
面对 3
面前 3
哪 3
内部 3
内衣 3
年轻 3
怒 3
女 3
琶 3
捧 3
片子 3
婆 3
齐 3
气氛 3
汽 3
汽灯 3
器 3
墙 3
抢 3
清平 3
情 3
确实 3
裙子 3
染 3
热风 3
忍受 3
认识 3
任务 3
如何 3
乳头 3
入 3
晒 3
上海 3
上门 3
甚至 3
生活 3
绳 3
十分 3
十四 3
式 3
视察 3
是不是 3
手绢 3
受到 3
熟 3
睡觉 3
死人 3
四下 3
酸 3
所谓 3
台 3
态度 3
套 3
提 3
天地 3
天色 3
天资 3
添 3
条条 3
停 3
同学 3
同样 3
铜 3
筒裙 3
投机倒把 3
土 3
哇 3
外面 3
外衣 3
完全 3
忘 3
微 3
唯一 3
慰问团 3
问道 3
无关 3
希望 3
现场 3
小崽子 3
心 3
星期 3
性 3
性欲 3
凶恶 3
熊 3
修 3
修理 3
需要 3
阉 3
严重 3
炎 3
眼泪 3
腰杆 3
野 3
夜 3
一道 3
一块 3
一身 3
一无所知 3
以致 3
椅子 3
义气 3
硬 3
犹豫 3
有时候 3
于 3
娱乐 3
雨 3
遇 3
愿 3
咱们 3
早就 3
早晚 3
贼 3
怎 3
者 3
正当 3
正好 3
政策 3
支 3
治 3
钟 3
周围 3
竹板 3
抓 3
桌子 3
罪恶 3
1 4
2 4
挨斗 4
爱抚 4
办法 4
半天 4
报应 4
绷 4
不过 4
不见 4
不同 4
不再 4
不知 4
菜 4
朝 4
衬衣 4
穿过 4
窗 4
从来 4
搭 4
打算 4
打针 4
到处 4
得到 4
登记 4
等等 4
第二 4
段 4
蹲 4
多少 4
二百 4
反 4
房子 4
放开 4
放在 4
愤怒 4
盖 4
格外 4
各 4
根 4
跟 4
工具 4
过头 4
海豚 4
好看 4
河沟 4
黄金时代 4
回到 4
火烧 4
尖 4
肩膀 4
结构 4
今天 4
据说 4
撅 4
砍 4
看病 4
看来 4
裤子 4
老子 4
类 4
累 4
冷冰冰 4
两点 4
马上 4
满 4
猫 4
模样 4
哪怕 4
那样 4
男人 4
难 4
撵 4
农 4
趴 4
怕 4
碰上 4
偏 4
破 4
其它 4
其中 4
请 4
群众 4
认 4
任何 4
任何人 4
商量 4
上台 4
上午 4
奢望 4
射 4
身 4
身边 4
审查 4
湿 4
时期 4
双手 4
水牛 4
丝 4
丝毫 4
它们 4
瘫 4
掏 4
讨论 4
天天 4
同志 4
团 4
完 4
位 4
窝 4
无比 4
无数 4
瞎 4
下山 4
先 4
心情 4
宣传队 4
学 4
牙 4
哑巴 4
研究 4
咬 4
要求 4
一会儿 4
一眼 4
医务室 4
以 4
以下 4
意见 4
意思 4
淫 4
有趣 4
圆 4
远 4
月亮 4
云 4
晕 4
砸 4
遭 4
沾 4
粘土 4
章 4
这就是说 4
枕 4
整个 4
政委 4
之后 4
之间 4
直 4
直立 4
只是 4
指 4
中间 4
重温 4
猪场 4
捉 4
走过 4
钻 4
左眼 4
案子 5
坝 5
暴露 5
背上 5
避孕套 5
不怕 5
不要 5
侧 5
潮 5
尺 5
丑恶 5
除此之外 5
此 5
此地 5
大褂 5
掸 5
断 5
对此 5
对于 5
而是 5
翻 5
方面 5
房 5
分开 5
干什么 5
管 5
鬼 5
喊 5
好处 5
河边 5
花 5
回家 5
浑身 5
伙 5
极 5
急 5
几乎 5
简直 5
讲 5
结果 5
解 5
决定 5
考 5
来到 5
落 5
骂 5
每个 5
门 5
门口 5
们 5
摸 5
哪儿 5
内地 5
那种 5
男女 5
劈 5
漂亮 5
平 5
气 5
前列腺 5
前面 5
全 5
认为 5
日子 5
伤 5
少 5
深山 5
生日 5
使 5
事实 5
收拾 5
手里 5
树 5
拴 5
睡着 5
说明 5
思想 5
送 5
蓑衣 5
所有 5
谈 5
逃跑 5
讨厌 5
跳 5
筒 5
拖拉机 5
为此 5
我会 5
下垂 5
些 5
性交 5
押 5
眼睛 5
一辈子 5
一阵 5
有时 5
与 5
月 5
月光 5
曾经 5
招待所 5
找到 5
只能 5
追 5
嘴唇 5
罪 5
帮 6
包括 6
抱 6
北京 6
必要 6
脖子 6
不好 6
草地 6
成为 6
抽 6
大夫 6
大概 6
呆 6
傣 6
戴 6
当年 6
道理 6
地上 6
调 6
顶 6
放牛 6
感觉 6
个人 6
根本 6
旱季 6
火 6
继续 6
家 6
假 6
脚 6
结婚 6
坎 6
看到 6
扛 6
来说 6
理由 6
聊 6
流氓 6
每天 6
面 6
明白 6
娘 6
扔 6
绳子 6
始终 6
睡 6
说话 6
司务长 6
随时 6
特别 6
疼 6
铁匠 6
通红 6
下面 6
想像 6
信 6
醒来 6
样子 6
也许 6
夜里 6
一刻 6
玉米 6
原因 6
早上 6
这里 6
真实 6
之前 6
直挺挺 6
只好 6
装 6
准 6
嘴里 6
案 7
背 7
并 7
病 7
不大 7
不少 7
参加 7
场部 7
穿着 7
错误 7
当地 7
第一 7
耳光 7
发 7
反正 7
各种 7
挂 7
孩子 7
还要 7
回去 7
鸡 7
记得 7
见到 7
借 7
久 7
就要 7
看看 7
空 7
口 7
啦 7
蓝 7
乐意 7
离开 7
俩 7
脸上 7
亮 7
另 7
买 7
母 7
呢 7
弄 7
朋友 7
情况 7
圈 7
容易 7
如果 7
上去 7
时节 7
抬 7
谈到 7
天上 7
听见 7
通 7
团长 7
温泉 7
吻 7
雾 7
洗 7
喜欢 7
细节 7
笑 7
醒 7
一边 7
一声不吭 7
一瞬间 7
因此 7
永远 7
有人 7
原来 7
张 7
照 7
真的 7
最 7
巴 8
罢 8
变 8
草 8
除了 8
吹 8
耷拉 8
大嫂 8
道 8
二十一 8
饭店 8
刚 8
高 8
好多 8
好几 8
活 8
交 8
经常 8
经过 8
开始 8
勒 8
里面 8
猎枪 8
流 8
乱 8
没什么 8
每 8
闷 8
女人 8
屁股 8
片 8
篇 8
清白 8
上面 8
身体 8
生 8
世界 8
算 8
听说 8
为 8
为了 8
喂 8
下午 8
相信 8
烟 8
一些 8
早 8
直到 8
至于 8
终于 8
准备 8
走进 8
嘴 8
罪孽 8
爱 9
别的 9
不但 9
出去 9
刀 9
动 9
发现 9
敢 9
过来 9
怀疑 9
混蛋 9
既然 9
见 9
街 9
紧 9
揪 9
可 9
快 9
冷 9
路 9
女儿 9
前 9
钱 9
四 9
头 9
屋里 9
心里 9
一定 9
云南 9
知青 9
中 9
子 9
做爱 9
阿 10
伧 10
承认 10
床 10
锤 10
但 10
当时 10
儿 10
二十 10
犯 10
赶 10
更 10
光 10
块 10
吗 10
那个 10
你们 10
却 10
如此 10
说道 10
岁 10
所 10
逃 10
想到 10
向 10
一起 10
应该 10
正 10
正在 10
半 11
倒 11
的话 11
爹 11
狗 11
过去 11
后面 11
刘 11
声 11
事情 11
太 11
脱 11
想起 11
以前 11
以为 11
有点 11
吧 12
不管 12
点 12
发生 12
感到 12
连 12
那么 12
年 12
乳房 12
山里 12
上山 12
时间 12
水 12
完了 12
阳光 12
这话 12
这时 12
总 12
总是 12
比 13
当然 13
斗 13
该 13
汉 13
话 13
进来 13
肯 13
哭 13
手 13
受 13
无 13
无辜 13
小四 13
一直 13
于是 13
鱼 13
别 14
草房 14
长 14
成 14
掉 14
敦 14
关系 14
黑 14
双 14
真 14
种 14
差 15
可能 15
拉 15
脸 15
领导 15
其实 15
如 15
谁 15
偷 15
往 15
问 15
一下 15
医院 15
站 15
只有 15
; 16
次 16
爬 16
虽然 16
躺 16
腿 16
为什么 16
衣服 16
怎么 16
这个 16
猪 16
放 17
非常 17
搞 17
坏 17
农场 17
十五 17
时候 17
这么 17
“ 18
” 18
和尚 18
还有 18
几 18
开 18
最后 18
坐 18
、 19
白 19
大家 19
风 19
告诉 19
忽然 19
罗 19
三 19
晚上 19
现在 19
腰 19
别人 20
带 20
斗争 20
间 20
牛 20
枪 20
死 20
头发 20
当 21
多 21
而 21
老 21
那里 21
这种 21
( 22
) 22
才 22
穿 22
地方 22
好像 22
进 22
捆 22
再 22
吃 23
回来 23
那天 23
那些 23
跑 23
身上 23
下去 23
保 24
还是 24
假如 24
军 24
山 24
以后 24
之 24
组 24
代表 25
队长 25
觉得 25
起 25
问题 25
一点 25
一切 25
存在 26
这些 26
看见 27
拿 27
然后 28
他们 28
条 28
扬 28
用 28
证明 28
而且 29
伟大 29
下来 29
后 30
那时 30
王 30
已经 30
听 31
友谊 31
只 31
! 32
队 33
天 33
做 33
干 34
很多 34
知道 34
人家 35
它 35
等 36
二 36
可是 36
可以 36
下 36
一样 36
回 37
能 37
不能 38
给 38
出来 39
? 40
件 40
清 40
找 40
对 41
两 41
出 42
自己 42
东西 44
被 45
小 45
住 45
地 47
材料 48
起来 48
让 48
大 49
什么 49
打 50
会 51
像 51
因为 52
但是 55
好 55
就是 55
所以 55
这样 55
个 59
写 59
山上 60
叫 61
没有 61
走 62
一个 63
后来 64
想 64
从 65
得 66
交待 72
又 76
看 81
: 82
破鞋 83
着 83
还 87
时 88
你 89
来 90
过 91
没 95
里 99
事 105
和 110
那 112
要 118
这 118
很 121
把 130
去 133
他 133
都 137
有 138
我们 142
人 156
到 169
上 169
也 170
清扬 177
陈 211
就 217
一 248
在 282
是 316
不 335
说 339
了 551
她 605
的 700
我 947
。 1351
, 2022
拜读大作。由于阁下还未写完,其实不便发表意见,不过还是忍不住要说两句。
ReplyDelete把文章分词,其实是把文章按照分词程序的意旨切分,这涉及切分的方法和其既有的词库。大部分的分词程序都不认识新词,例如主角“陈清扬”是一个词,软件能认出“清扬”已算不错了。
我用歪林先生的宝剑也分出一个结果来,给你参考:
http://input.foruto.com/compare/temp/x.rar
先不讨论,请先写下去,完成你要说的东西。
AhMan
ahman老师,很荣幸你能光临敝舍指导:)
ReplyDelete这篇随手涂鸦的文章之所以还没写完,倒不是要在节骨眼上卖关子,而是那天写到那里时要查找那个软件的名称(老记不住那名字,是ICTCLAS,中科院计算所软件室弄的分词软件。),一时找不着,又有急事出去了,周末又忙着升级词库,所以就暂时搁在那了。争取这一两天写完。
其实后面要写的也很简单,就是介绍一下这个软件的使用情况,及分词后后面统计词频的一些处理步骤(这点主要是您在论坛上介绍过的技巧,我学来了:)所以整篇文章实在称不上大作,主要是为了给自己的博客充实内容而胡扯的:)
关于分词工具,其实最早我找这类东西的时候,首先就是找了之前保存过的从您那来的一个工具(印象中没错的话应该就是上面你用的这个歪林工具),但是发现结果很不理想(如你统计的结果中看到),所以到网络上到处搜寻别的,总算找到了上面说的这款,虽然并不完善(那版本后来也看到更新)。
对分词工具的要求,我觉得最好是能自定义词库,即指定另外的词库作为切分标准。另外象您上面所提到的新词问题,最好分词工具还能在标准词库基础上增加临时的自定义词条,如在某篇作品中的人名地名等,这样才能更好地发挥作用。你上面提到我那个统计中能识别“清扬”这个名字,其实不然,在那里工具不是识别了清扬这个名字,而是“清扬”本身就是一个通用词语:)
收到留言, 有空我们可以交流一下分词的一些想法.
ReplyDelete欢迎6e。自己对分词方面其实也只算是皮毛的兴趣和见解,但能跟专业人士学习和交流也是一种大乐趣:)
ReplyDelete我最近也在做分词方面的一些工作,中科院那个软件我也用了。正如文中说的,它的词库不公开。所以我找了些新的途径。写一个简单的分词程序还是很容易,不过缺乏一个大容量的词库。在这方面,希望和大家一同探讨!
ReplyDelete大容量词库,我去年倒是花了大半年时间作了一个,不过是供五笔使用的词库,因为重码原因而会去掉少量词组,对于分词作用来说,需要补上。
ReplyDelete我现在要做一个句型查询的系统,任何从一句话中抽取出关键字来呢?比如:这样问:什么是计算机? 然后进行关键字匹配呢?有什么算法吗?如果可以获取关键字为: 什么(定义) 计算机 就可以对计算机及其它的定义进行查询了!
ReplyDelete合叶,不太明白你的意思。另外,可能很抱歉,我不是技术人员,对什么算法之类的东西基本是一窍不通,恐怕说不上什么:)
ReplyDelete在excel里头倒来倒去的,如果语料量不大还好,就烦了,你就不能编个小软件来统计一下词频啊。
ReplyDelete兄弟,不是每个人都会编程的,比如我:)
ReplyDelete[...] http://wozy.in/blog/2005/03/04/28 [...]
ReplyDelete